本文介绍健康医疗的深度学习技术，重点讨论了计算机视觉、自然语言处理、强化学习和广义方法的深度学习。我们描述这些计算技术如何影响医学的几个关键领域，并探索如何构建端到端系统。计算机视觉的讨论主要集中在医学成...

单词的先后顺序会影响句子的意思，RNN擅长捕捉序列关系，不过对于翻译来说，句子间的单词数量不是一一对应的。

2017年，谷歌的研究人员发表了一篇论文，提出了一种用于序列建模的新型神经网络架构。 被称为Transformer的这一架构在机器翻译任务上的表现优于循环神经网络（RNN），在翻译质量和训练成本方面都是如此。...

联邦学习是一种机器学习设定，其中许多客户端（例如：移动设备或整个组织）在中央服务器（例如：服务提供商）的协调下共同训练模型，同时保持训练数据的去中心化及分散性。联邦学习的长期目标则是：在不暴露数据的情况下分析和学习多个...

第一个问题的重要性并未得到足够的重视。一般来讲，预处理(数据收集、数据清洗、数据标注)占据了一个AI算法的至少80%时间。因此，我们希望以最小的投入获取最大的回报。...

分子性质预测（Molecule Property Prediction）是研究者在进行新药发现研究时经常会遇到的问题。由于新药发现研究中已知药理性质的分子（有标签样本）少，小样本学习（Few-Shot Learning）的方法在分子性质预测问题中有不错的效果...

来源：机器之心本文约3300字，建议阅读6分钟研究者提出了一种基于层级语义结构的选择性对比学习框架。 层级结构无处不在，自然界中存在「界 - 门 - 纲 - 类 - 科 - 属 - 种」这样的层级关系, 大规模自然图像数据集中也天然...

来源：DeepHub IMBA本文约2500字，建议阅读5分钟自监督 ResNets 能否在 ImageNet 上没有标签的情况下超越监督学习？ 在本文中将介绍最近一篇推动自监督学习状态向前发展的论文，该论文由 DeepMind 发表，绰号为 ReLICv2。 Toma...

自监督 ResNets 能否在 ImageNet 上没有标签的情况下超越监督学习？

机器之心专栏 机器之心编辑部 来自上海交通大学、Mila 魁北克人工智能研究所以及字节跳动的研究者提出了一种具有层级语义结构的自监督表征学习框架，在 ImageNet 数据集上预训练的模型在多个下游任务中取得了 SOTA 性...